SUCESIONES Y SISTEMAS DINAMICOS DISCRETOS

JHON JAIRO TRUJILLLO ROJAS - 20172163456

KANDY MANUELA VARGAS BUSTOS - 20171156451
JHONNY STIVENSSON GUARNIZO CALA - 20162150999
CARLOS ARTURO ANTURI VARGAS - 20162152695

UNIVERSIDAD SURCOLOMBIANA
FACULTAD DE CIENCIAS EXACTAS Y NATURALES
PROGRAMA DE MATEMÁTICA APLICADA
NEIVA - HUILA
2022

1
Índice
1. SISTEMAS DINÁMICOS DISCRETOS 3
1.1. INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Ejemplos de sistemas dinámicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Conceptos de dinámica discreta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4. Ejemplo: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2. Modelos dinámicos discretos lineales 7

2.1. Ejemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3. Modelos dinámicos discretos no lineales: 10

3.1. Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

4. Puntos de equilibrio y periódicos de un sistema dinámico 13

4.1. Estabilidad: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2. Ejemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2
1. SISTEMAS DINÁMICOS DISCRETOS
1.1. INTRODUCCIÓN
En la teorı́a de los sistemas dinámicos, un sistema , se define como una colección de elementos
que continuamente interactúan para formar un conjunto unificado. A las relaciones internas y las
conexiones entre los componentes de un sistema se les llama la estructura del sistema. Un ejemplo de
un sistema es un ecosistema; la estructura de un ecosistema está definida por las relaciones entre la
población animal, nacimientos y muertes, cantidad de comida, y otras variables especı́ficas para un
ecosistema particular.
El término dinámico hace referencia al cambio a lo largo del tiempo. Si es dinámico, es porque se
está modificando constantemente; es aquel en el cual las variables se modifican para producir cambios
a lo largo del tiempo. La manera por la cual los elementos o las variables de un sistema cambian con
el tiempo se denomina comportamiento del sistema. En el ejemplo del ecosistema, el comportamiento
está descrito por la dinámica que se produce como consecuencia de los nacimientos y las muertes de
la población. El comportamiento está expuesto a la influencia de comida adicional, los depredadores,
y al medio ambiente, los cuales son todos elementos del sistema.

1.2. Ejemplos de sistemas dinámicos

1. La ecuación de Malthus: Queremos estudiar la evolución de la población de una determi-
nada especie. Llamamos xk al número de individuos de la población en el instante temporal k.
Si suponemos que por cada individuo existente en el perı́odo k habrá, por término medio, α
individuos en el perı́odo k + 1, se tendrá:
xk+1 = αxk , k = 0, 1, · · ·
Esta ecuación en diferencias lineal de primer orden, es la llamada ecuación de Malthus, econo-
mista y pensador del siglo XIX, propuesta para estimar la evolución de la población humana.
Si α > 1, es decir, si existe algún crecimiento en la población, los valores de xk crecen en pro-
gresión geométrica y se disparan de forma exponencial, razón por la que esta ecuación desató
una fuerte polémica entre los contemporáneos de Malthus, suponiendo la primera llamada de
atención sobre el problema de la sobre población del planeta.
2. La parábola logı́stica de May: En 1976 el biólogo Robert May formuló otra ecuación para
estudiar el crecimiento de una población de insectos en un eco-sistema aislado, diferente de la de
Malthus. May tuvo en cuenta los efectos de saturación del ecosistema. Cuando la población se
acerca al máximo posible que el medio ambiente puede sustentar, entonces el parámetro α debe
disminuir, lo que equivale a considerar este parámetro función del número de individuos. Con
ello se llega a una ecuación de la forma:
xk+1 = α (xk ) xk , k = 0, 1, 2, · · ·
Podemos tomar como unidad de medida el máximo posible de la población, de manera que
xk expresa la fracción de población existente en el perı́odo k con respecto al nivel máximo
de población. May formuló la hipótesis de que α(xk ) deberı́a decrecer linealmente cuando xk
creciera, hasta hacerse nulo cuando xk tomara el valor 1. Es decir que α(xk ) fuera de la forma
µ(xk ), llegando ası́ a la ecuación de la parábola logı́stica de May:
xk+1 = µ(1 − xk )xk , k = 0, 1, 2 · · ·
Observemos que para valores pequeños de xk se tiene 1 − xk ≈ 1, con lo que la ecuación (2) es
equivalente a la ecuación de Malthus (1) con parámetro µ.

3
 3. Modelo matricial: ¿Cuál es la ley de evolución para la población de aves?.
Ante un problema de esta naturaleza, el primer paso consiste en seleccionar las variables. Debido
a las diferentes condiciones de reproducción, conviene considerar dos segmentos en la población
de aves: las de un año y las de dos o más. Tomamos como variable x1 (k) el número de parejas
adultas en el perı́odo k. Debido a que existe siempre el mismo número de machos que de hembras,
la población de aves de un año puede también contarse por el número x2 (k) de parejas que pueden
formarse entre ellas. Se tienen entonces las siguientes relaciones:

x1 (k + 1) = x1 (k) + x2 (k)
x2 (k + 1) = x1 (k)

Que pueden escribirse en forma matricial como:

    
x1 (k + 1) 1 1 x1 (k)
=
x2 (k + 1) 1 0 x1 (k)

1.3. Conceptos de dinámica discreta

Un sistema dinámico discreto es simplemente, desde un punto de vista matemático, una ecuación
en diferencias de la forma
xk+1 = f (xk ) , k = 0, 1, 2, · · ·
Donde f es una aplicación f : X → X definida en cierto conjunto X, que recibe el nombre de
espacio de fases o espacio de los estados. Salvo que digamos lo contrario, siempre consideraremos
funciones f suficientemente suaves, es decir, con derivadas continuas de todos los órdenes necesarios.
Ası́, por ejemplo, cuando se quiere traducir un problema como los descritos en el apartado anterior al
lenguaje de los sistemas dinámicos, se empieza por determinar el espacio de fases del problema que
no es sino un conjunto cuyos elementos describen todos los posibles estados del sistema que se trata
de analizar.

En el modelo de Malthus se podrı́a considerar como espacio de los estados el conjunto de los
números reales no negativos (no son posibles poblaciones con un número negativo de individuos).
Cuando el espacio de fases de un sistema es R o algún subconjunto de R se trata de un sistema
dinámico unidimensional.

En el ejemplo la parábola logı́stica de May, donde se estudia una única variable, que es la
fracción de población con respecto a la máxima población posible, un espacio de fases adecuado
es X = [0, 1].

En el caso de la población de aves, el estado del sistema se describe a través de dos variables
de estado x1 (k) e x2 (k) por lo que el espacio de los estados adecuado es un conjunto X ⊂ R2 ,
el de todos los pares de números enteros no negativos. En sistemas más complejos, se hacen
necesarias más variables para describir completamente el estado del sistema, por lo que R2 , o
un subconjunto de R2 , es un espacio de fases adecuado para muchos problemas. Por ejemplo, en
mecánica se requieren 10 variables para describir completamente una partı́cula: tres para fijar su
posición espacial, otras seis para conocer su velocidad y aceleración y una más para determinar
su masa.

Las variables que describen un sistema, se llaman variables de estado. Se agrupan en un vector,
que se conoce como vector de estado, y que almacena la información completa acerca del estado del
sistema. El espacio de fases es entonces el conjunto de todos los posibles vectores de estado del sistema.

4
 La ecuación de un sistema dinámico puede interpretarse de la siguiente forma: si el sistema adopta
en un instante k un estado descrito a través de un cierto elemento xk ∈ X, entonces en el instante
k + 1 el estado del sistema será xk+1 . La aplicación f representa por consiguiente la ley de evolución
del sistema dinámico que transforma cada estado en el siguiente estado que el sistema adopta.
Si el sistema se encuentra en un estado inicial x0 , su evolución temporal corresponde a la sucesión
x0 , x1 , x2 , · · · , también llamada solución con condición inicial x0 . Se obtiene recursivamente

x1 = f (x0 ), x2 = f (x1 ) = f 2 (x0 )

Y en general:
xk = f k (x0 )
La expresión f k (x), es la solución general o flujo de los sistemas dinámicos discretos. Permite
conocer el estado del sistema en cualquier instante a partir de su posición inicial. El conjunto de
valores:
x, f (x), f 2 (x), f 3 (x), · · ·


Recibe el nombre de órbita de x, (se diferencia de la solución x, f (x), f 2 (x), · · · en que ésta última
es una sucesión ordenada cuyos términos son los elementos de la órbita).
Es fácil realizar el siguiente experimento: marquemos un número en una calculadora, por ejemplo
0.25, y pulsemos de forma reiterativa la tecla 10x , con lo cual obtendremos la órbita correspondiente:
0,25
0,25, 100,25 , 1010

Si continuamos con este proceso la calculadora nos dará un mensaje de error. La causa de este
comportamiento es que la órbita tiende a infinito. Si repetimos el proceso tomando como semilla
cualquier número y como función el seno o el coseno, observaremos que en este caso las órbitas son
convergentes.

1.4. Ejemplo:
Puede comprobarse fácilmente que la ecuación de Malthus admite por solución general la expre-
sión:
Φx (k) = αk x

El comportamiento de esta expresión es sencillo de comprender. Si x > 0 entonces:



 0 si 0 < α < 1



lı́m αk x = x si α = 1
k→∞ 



+∞ si α > 1


Menos sencillo resulta el problema de encontrar una fórmula explı́cita para el problema de las
aves. Se obtiene:    k  
x1 (k) 1 1 x1 (0)
=
x2 (k) 1 0 x2 (0)

Si calculamos las sucesivas potencias de la matriz, nos aparece un hecho curioso como es la
aparición en estas matrices de los célebres números de Fibonacci 1, 1, 2, 3, 5, 8, · · · .

5
 Para el modelo de May la situación es más complicada, como tendremos ocasión de comprobar
cuando estudiemos los modelos discretos no lineales. Podemos encontrar las primeras iteraciones
de la solución general f k (x) y nos convenceremos de la enorme complicación de los cálculos in-
volucrados. Ello nos ayuda a comprender la imposibilidad de obtener expresiones explı́citas para
las soluciones generales de los sistemas dinámicos no lineales (modelo de May), cuya conducta
se pueda entender de forma global, como sucede en el caso (lineal) de la ecuación de Malthus.
El campo de aplicaciones de los sistemas dinámicos discretos unidimensionales es muy amplio, y
en los últimos a˜nos continúan aumentando. A continuación mostramos algunas de ellas.
En Matemáticas para la resolución numérica de ecuaciones: Recordemos que el método
del punto fijo nos permite encontrar la raı́z de una ecuación f (x) = 0. El proceso se inicia
reescribiendo la ecuación como g(x) = x, se toma un valor x0 próximo a la solución buscada, y
se reitera el proceso xk+1 = g(xk ).
Si la órbita correspondiente:
{x0 , x1 = g(x0 ), x2 = g(x1 ) = g(g(x0 )), · · · }
Converge a cierto valor x∗ , entonces el método es convergente.
Recordemos que gráficamente el punto fijo g(x∗ ) = x∗ se encuentra como la intersección de la
función g(x) con la bisectriz del primer cuadrante.
Elaboración de modelos matemáticos: Por ejemplo, el modelo logı́stico, que suele ser el
punto de partida de los sistemas dinámicos unidimensionales,
xk+1 = µxk (1 − xk ), k = 0, 1, 2, · · ·
Se puede obtener de la manera siguiente: Supongamos que x0 es la población relativa inicial, esto
es, el cociente entre la población inicial y la población máxima que puede soportar el hábitat.
Sea xk la población relativa al cabo de k años El crecimiento relativo de la población en cada
a˜no será:
xk+1 − xk
xk
Que según las hipótesis de V erhulst (1845), es proporcional a 1 − xk . Es decir,
xk+1 − xk
= α(1 − xk )
xk
Despejando:
xk+1 = xk + α(1 − xk )xk = xk (1 + α)(1 − xk )
Si llamamos µ = 1 + α, entonces obtenemos la expresión.
Resolución numérica de ecuaciones diferenciales: Sea la ecuación diferencial:
dx
x′ (t) = = f (x)
dt
Que podemos expresarla como:
x(t + dt) − x(t) = f (x)dt
Si sustituimos dt por un valor numérico h, obtenemos:
xk+1 − xk = hf (xk ) → xk+1 = xk + hf (xk )
Tomando h suficientemente pequeño, podemos entonces dibujar la solución que pasa por un
punto inicial dado.

6
2. Modelos dinámicos discretos lineales
En general, obtener la expresión explı́cita de la solución general f k (x) es bastante complicado.
Con ayuda de un ordenador podemos conseguir numéricamente cuantas iteraciones deseemos en esa
expresión, pero esto no resulta en general de mucha ayuda para entender la conducta global del sistema.
Un instrumento que resulta en muchas ocasiones adecuado en el caso de sistemas unidimensionales es
el análisis gráfico, a través del llamado diagrama de Cobweb.
Supongamos una árida isla cerca de la costa de un rico continente. Estamos interesados en una
especie particular de pájaros que anidan en estas islas. Desgraciadamente el hábitat de la isla es muy
desfavorable ya que si los pájaros estuvieran aislados su población disminuirı́a un 20 % cada año. Esta
situación podemos reflejarla utilizando el modelo de Malthus (exponencial)

xk+1 = 0,80xk , k = 0, 1, 2, · · ·

Donde xk es la población de pájaros en el tiempo k. Hay una colonia de pájaros en el continente y

cada año 1000 pájaros emigran a nuestra isla. Entonces, el cambio de población en la isla puede ser
descrito por el modelo:
xk+1 = 0,80xk + 1000, k = 0, 1, 2, · · ·
Observemos que el modelo es lineal en el sentido de que la función f (x) = 0,80x + 1000 representa
a una lı́nea recta.
Ahora descubriremos y probaremos un teorema sobre sistemas dinámicos lineales discretos, que
corresponden al tipo:
xk+1 = mxk + b, k = 0, 1, 2, · · ·
Donde m y b son constantes. Recordemos que los sistemas dinámicos discretos están descritos por
una ecuación de la forma:
xk+1 = f (xk ), k = 0, 1, 2, · · ·
En el caso particular de sistemas dinámicos discretos lineales, la función f es del tipo f (x) = mx+b,
y estamos interesados en puntos de equilibrio del sistema dinámico discreto. Aquellos puntos x tales
que f (x) = x. Estos puntos se llaman de equilibrio porque si un término es uno de estos puntos, cada
sucesión de términos siguientes permanece en el mismo punto. De esta manera decimos que el sistema
se encuentra en equilibrio. Es inmediato comprobar el siguiente resultado.
RESULTADO: Si m no vale 1 entonces hay un único punto de equilibrio:
b
x∗ =
1−m
Los modelos dinámicos discretos pueden comportarse de manera sorprendente. Algunas veces una
sucesión obtenida del sistema dinámico lineal discreto tiende directamente al punto de equilibrio. En
otras ocasiones saltan alrededor de él, con saltos cada vez más pequeños hasta tender al punto de
equilibrio. O por el contrario los saltos son cada vez más grandes y no tienden al punto de equilibrio.
Nuestro objetivo es formular y probar un teorema que nos determine cuando ocurre cada una de
estas clases de comportamiento. Comenzamos la construcción del diagrama de Cobweb dibujando las
gráficas:
f (x) = mx + b, g(x) = x
Dibujamos el punto x1 en el eje OX. A continuación marcamos el valor f (x1 ) = x2 y obtenemos el
punto (x1 , x2 ). El próximo paso es trazar una lı́nea horizontal desde el punto (x1 , x2 ) hasta que corte a
la recta g(x) = x en el punto (x2 , x2 ). Calculamos x3 = f (x2 ) y repetimos sucesivamente este proceso.

7
 Figura 1: Diagrama de Cobwer

Observemos en la (1) que en este caso “la red de ara˜na” nos lleva al punto de equilibrio. En la (2)
hemos representado en el eje de abscisas el tiempo y en el eje de ordenadas el número de individuos.
Puede verse que si el tiempo aumenta la población tiende al punto de equilibrio. Se trata por tanto
de un punto de equilibrio estable.

Figura 2: Punto de equilibrio estable

2.1. Ejemplo 1
Vamos a calcular y dibujar x2 , x3 , · · · , para el modelo xk+1 = 0,80xk + 1000 y el valor inicial
x0 = 500.
El modelo anterior podemos escribirlo como

xk+1 = f (xk ), k = 0, 1, 2, · · ·

Donde f (x) = 0,80x + 1000. Esta es una buena manera de representar a nuestro modelo porque
la función f(x) nos describe como la población, en cada año está determinada por la población
en el año anterior.
Los dos gráficos f (x) = 0,8x + 1000 y g(x) = x se cortan en el punto x∗ = 5000. Este punto
se llama punto de equilibrio ya que la población en los próximos años será la misma que la
población actual.
f (5000) = 0,8 × 5000 + 1000 = 5000

8
 Podemos encontrar este valor también de manera algebraica

f (x) = x → x = 0,8x + 1000 → x = 5000

La Figura (1.4) nos muestra como determinamos gráficamente el punto de equilibrio.

Figura 3: Estudio del punto de equilibrio

A continuación nos centraremos en la clasificación de los puntos de equilibrio o en el análisis de la

estabilidad. En el análisis de la evolución de poblaciones el problema principal es:

Evaluar la estabilidad de la población usando modelos matemáticos.

Examinar los efectos de diferentes factores sobre la estabilidad de la población.

Hemos tenido ocasión de ver que en los sistemas dinámicos lineales discretos, el punto de equilibrio
b
x∗ =
1−m
En algunas ocasiones es un punto de equilibrio atractivo, (aquel que a largo plazo los términos xk
tienden al x∗ cuando k tiende a ∞), y otras veces es un punto de equilibrio repulsivo, (aquel donde xk
tiende a mas o menos infinito). A continuación presentamos un teorema que nos permitirá determinar
cuando un punto de equilibrio es atractivo o repulsivo.
TEOREMA 1 Sea el sistema dinámico lineal discreto:

xk = f (xk−1 ), f (x) = mx + b

Con m ̸= 1. Sea x∗ = b/(1 − m) el punto de equilibrio:

si |m| < 1 entonces x∗ es atractivo, en el sentido de que para cualquier condición inicial x0 .

lı́m xk = x∗
k→∞

Si |m| > 1, entonces x∗ es repelente, y al menos que x0 = x∗ se cumple:

lı́m |xk | = ∞
k→∞

9
 Demostración: Comenzamos calculando el valor de xk :

x2 = mx1 + b
x3 = mx2 + b = m2 x1 + b(m + 1)
x4 = mx3 + b = m(m2 x1 + b(1 + m)) + b = m3 x1 + b(1 + m + m2 )
.. ..
. .
k−2
X
xk = mk−1 x1 + b(1 + m + m2 + · · · + mk−2 ) = mk−1 x1 + b mj
j=0

Si suponemos que |m| < 1 entonces al hacer que k tienda a infinito

lı́m mk−1 x1 = 0
k→∞

Por otro lado:

k−2 ∞
X X 1
lı́m mk = mj =
k→∞ 1−m
j=0 j=0

Por ser la suma de los infinitos términos de una progresión geométrica de razón |m| < 1. Por lo
tanto:
b
lı́m xk = = x∗
k→∞ 1−m
k−2
X
Por un razonamiento similar, si |m| > 1 se cumple que mk−1 x 1 y mj no están acotados cuando
j=0
k → ∞.

3. Modelos dinámicos discretos no lineales:

Para un sistema de la forma:

xk+1 = f (xk ), k = 0, 1, 2, · · ·

Donde ahora la función f no es lineal, la situación es diferente a lo estudiado en la sección anterior.

Lo que debemos tener en cuenta, es que pueden existir muchos puntos de equilibrio. En el caso lineal
el tipo de punto de equilibrio nos lo daba el parámetro m de la recta. En el caso no lineal el carácter
de cada punto está determinado por la pendiente de la curva f(x) en el punto x∗ , y sabemos que este
valor puede determinarse por la derivada de la función f en el punto x∗ .
TEOREMA 2 Consideremos el sistema dinámico siendo x∗ un punto de equilibrio f (x∗ ) = x∗ .
Entonces

Si |f ′ (x∗ )| < 1 el punto de equilibrio es atractivo, en el sentido de que si x0 está suficientemente

cerca de x∗ entonces
lı́m xk = x∗
k→∞

Algunas veces a un equilibrio de esta caracterı́sticas se le dice equilibrio estable, ya que si el sistema
se mueve ligeramente del punto de equilibrio, al final retorna al mismo.

10
3.1. Ejemplo
Consideremos el sistema dinámico discreto no lineal de May

xk+1 = αxk (1 − xk ), α > 0, k = 0, 1, 2, · · ·

1. Encontrar los puntos de equilibrio y clasificarlos.

2. Sea α = 2,5 y x0 = 0,1. Utilizando el diagrama de Cowbew. clasificar el punto de equilibrio del
sistema.

3. Repetir el proceso para α = 3,3, 3,55

4. Cuando α aumenta de 3 a 4 ¿observas algún cambio en el tipo de soluciones obtenidas?.

Empezamos encontrando los puntos de equilibrio. En este caso la función f no lineal que nos
define el modelo es:
f (x) = αx(1 − x)
Por tanto, tendremos que resolver la ecuación f (x) = x, que tiene por soluciones,
1
x∗ = 0, x∗ = 1 −
α
Para clasificar estos puntos de equilibrio, tenemos que hacer uso del (3). La derivada de la función
f(x) vale f ′ (x) = α − 2αx. Por tanto, el primero de los puntos es asintóticamente estable si

|f ′ (0)| = |α| < 1 ⇒0<α<1

En cuanto al segundo, será estable si

  
f 1 − 1  = |2 − α| < 1
 ′ 
⇒1<α<3
 α 

Si consideramos el modelo no lineal f (x) = 2,5x(1 − x) y como semilla o valor inicial x0 = 0,8,
podemos encontrar su órbita haciendo uso del software Mathematicar.
Empezamos definiendo la función:

f[k ][x ] := k * x * (1 - x)

Posteriormente, encontramos los puntos de equilibrio:

NSolve[p[2.5][x] == x, x]
{{x→ 0, x→ 0.6 }} y finalmente la órbita
NestList[p[2.5], 0.8, 25]
{{ 0.8, 0.4, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6,
0.6, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6}}

En consecuencia, x∗ = 0,6 es un punto de equilibrio estable. Podemos comprobarlo si dibujamos

su diagrama de Cobweb.
Obteniéndose como respuesta:

11
 Figura 4: Diagrama de Cobweb para f (x) = 2,5x(1 − x) y x0 = 0,8

Ahora, consideramos el diagrama de Cobweb para f (x) = 3,3x(1 − x) y x0 = 0,8. Los primeros
25 elementos de su órbita son:

{ 0.8, 0.52799, 0.82241, 0.48196, 0.82392, 0.47873, 0.82350,

0.47963, 0.82363, 0.47936, 0.82359, 0.47944, 0.82360, 0.47942,
0.82360, 0.47942, 0.82360, 0.47946, 0.82360, 0.47942, 0.82360,
0.47942, 0.82360, 0.47942, 0.82360, 0.47942 }

Es decir, en este caso la población tiene un comportamiento periódico de orden dos tendiendo a
los valores x∗1 ≈ 0,4794270 y x∗2 ≈ 0,823603.

Figura 5: Diagrama de Cobweb para f (x) = 3,3x(1 − x) y x0 = 0,8

Repitiendo los cálculos para f (x) = 3,5x(1 − x) y x0 = 0,8, se obtiene la órbita:

{{0.8, 0.559999, 0.8624, 0.41533, 0.84990, 0.44647, 0.86497,

0.40878, 0.84587, 0.45628, 0.86831, 0.40021, 0.84014, 0.47004,
0.87185 , 0.391, 0.83343, 0.48587, 0.87430, 0.38464, 0.82842}}

La población se comporta de manera periódica de orden 4.

12
 Figura 6: Diagrama de Cobweb para f (x) = 3,5x(1 − x) y x0 = 0,8

Por último, si consideramos f (x) = 4x(81 − x) y x0 = 0,8, ahora la población se comporta

caóticamente.

Figura 7: Diagrama de Cobweb para f (x) = 4x(1 − x) y x0 = 0,8

4. Puntos de equilibrio y periódicos de un sistema dinámico

En esta sección trataremos de sistematizar y formalizar los resultados obtenidos en las secciones
anteriores, para estudiar los puntos de equilibrio y periódicos de un sistema dinámico discreto
unidimensional.
Dado un sistema dinámico:
xk+1 = f (xk ), f : X → X
Se dice que x∗ ∈ X es un punto de equilibrio del sistema si f (x∗ ) = x∗ . Si x∗ es un punto de
equilibrio, la solución cuya condición inicial es x0 = x∗ cumple f k (x0 ) = x∗ . Esto significa que los
puntos de equilibrio son estados fijos: una vez el sistema entra en ellos, permanece invariable en todos
los instantes futuros.
Los puntos de equilibrio se clasifican según el comportamiento de las soluciones con condiciones
iniciales cercanas a ellos, en puntos de equilibrio atractivos, repulsivos e indiferentes. En lo
que sigue, consideraremos el siguiente sistema dinámico unidimensional:

xk+1 = f (xk ), f : X ⊂ R → R

Puntos de equilibrio atractivos: Sea x∗ un punto de equilibrio de xk+1 = f (xk ). Se dice que
x∗ es atractivo si |f ′ (x∗ )| < 1.

Puntos de equilibrio repulsivos: Sea x∗ un punto de equilibrio de xk+1 = f (xk ). Se dice que
x∗ es repulsivo si |f ′ (x∗ )| > 1.

13
 Puntos de equilibrio indiferentes: Sea x∗ un punto de equilibrio de xk+1 = f (xk ). Se dice
que x∗ es indiferente si |f ′ (x∗ )| = 1.
Puntos cı́clicos: Se dice que x∗ es un punto periódico o cı́clico del sistema dinámico xk+1 =
f (xk ), si existe un n tal que f n (x∗ ) = x∗ . Un punto es periódico si su órbita se “cierra 2 vuelve
a comenzar por su valor inicial. El mı́nimo entero k tal que f k (x∗ ) = x∗ , se llama orden del
punto periódico. En tal caso la órbita
n o
x∗ , f (x∗ ), f 2 (x∗ ), · · · , f k−1 (x∗ )

Recibe el nombre de perı́odo o ciclo de orden k.

4.1. Estabilidad:
Un punto de equilibrio de un sistema dinámico representa un estado fijo del sistema. Ahora bien,
no todos los estados de equilibrio tienen la misma naturaleza.

Figura 8: Tipos de estabilidad

Si se deja rodar una bola en el cuenco de una copa, terminará deteniéndose en el centro de la
misma. Si se desplaza la bola ligeramente de su posición de equilibrio, retornará a ella. Este es un
equilibrio robusto frente a perturbaciones, conocido como equilibrio asintóticamente estable. Los
puntos de equilibrio atractivos presentan esta forma de equilibrio.
La forma de equilibrio opuesta es el equilibrio inestable, representado por una pelota en el borde
del tejado: basta una ligera perturbación para romper el equilibrio. Los puntos de equilibrio repulsivos
presentan este tipo de equilibrio. Finalmente existe una forma intermedia de equilibrio, técnicamente
conocido como equilibrio estable. Este se halla representado por un péndulo sin rozamiento en
posición de reposo. Si se somete al péndulo a una peque˜na perturbación, éste permanecerá oscilando
indefinidamente en torno a la posición de equilibrio, sin alejarse mucho de ella, pero sin retornar a ella
de forma definitiva.

4.2. Ejemplo 1
Comprobemos que el origen es un punto de equilibrio estable para el sistema dinámico xk+1 =
f (xk ) si f (x) = −x.

14
Es evidente que x∗ = 0 es solución de la ecuación f (x) = x, por lo tanto, es un punto de equilibrio.
Para comprobar que su equilibrio es estable, perturbamos este valor tomando x0 = 0, 5. La figura
9 muestra que la órbita sólo toma lo s valores −0, 5 y 0, 5.

Figura 9: Diagrama de Cobweb

15